Neben Stoffen, die den Pflanzen als Nährstoffe dienen, befinden sich im Boden auch Schadstoffe, die in höheren Konzentrationen das Wachstum von Pflanzen und Tieren beeinträchtigen können. Manche Stoffe (z.B. Nickel) sind in geringen Mengen essentiell, in höheren Konzentrationen wirken sie jedoch toxisch. Verantwortlich für zu hohen Schadstoffkonzentrationen ist i.d.R. der Mensch; es gibt jedoch auch natürlicherweise erhöhte Gehalte an Schadstoffen, die meist dem Ausgangsgestein entstammen. Hintergrundwerte beschreiben die typischen natürlichen Konzentrationen dieser Stoffe in unseren Böden. Die Speicherung von Schadstoffen sowie deren eventueller Abbau im Boden verhindern die Verlagerung der Schadstoffe in das Grundwasser. In die Themenkarten zu den Stoffen in Böden von Deutschland fließen bodenkundliche Kennwerte aus der nicht- und nutzungsdifferenzierten Bodenübersichtskarte von Deutschland 1:1.000.000 (BÜK1000, BÜK1000N) und Datensätze aus der FISBo Labor- und Profildatenbank sowie 175 Datensätze aus Literaturangaben ein.
Durch die LABO wurden 2017 für 16 Elemente neue, bundesweite Hintergrundwerte veröffentlicht. Sie beruhen auf Profilinformationen und Messdaten von Königswasserauszügen, die durch die BGR zusammengeführt und homogenisiert wurden. Daten mit hohen Bestimmungsgrenzen wurden nach bestimmten Kriterien von der weiteren Auswertung ausgeschlossen, damit die Bestimmungsgrenzen nicht die Hintergrundwerte beeinflussen. Um die Hintergrundwerte nicht durch Regionen mit hoher Stichprobendichte überproportional beeinflussen zu lassen, wurde in Teilen eine räumliche Ausdünnung durchgeführt. Die Werte mehrerer Horizonte eines Standortes wurden durch tiefengewichtete Mittelwerte zu einem Wert zusammengezogen. Zur Auswertung wurden die vorhandenen Messwerte verschiedenen Gruppen von Bodenausgangsgesteinen zugeordnet. Zudem wurde unterschieden, ob die Proben im Oberboden, im Unterboden oder im Untergrund genommen wurden. Bei den Oberböden wurde bei der Auswertung auch die unterschiedliche Nutzung (Acker, Grünland, Forst) berücksichtigt. Lockergesteine wurden aufgrund ihrer unterschiedlichen Zusammensetzung getrennt nach Nord- und Süddeutschland ausgewertet. Durch die Aufteilung der Daten in Teilkollektive wurden nicht in allen Fällen verlässliche Fallzahlen erreicht, sodass nur Hintergrundwerte mit Fallzahlen ?20 dargestellt werden. Das genaue Vorgehen bei der Ableitung ist dem Bericht der LABO-Bund/Länder-Arbeitsgemeinschaft Bodenschutz (2017): 'Hintergrundwerte für anorganische und organische Stoffe in Böden', 4. überarbeitete und ergänzte Auflage, zu entnehmen.
GEMAS (Geochemical Mapping of Agricultural and Grazing Land Soil in Europe) ist ein Kooperationsprojekt zwischen der Expertengruppe „Geochemie“ der europäischen geologischen Dienste (EuroGeoSurveys) und Eurometeaux (Verbund der europäischen Metallindustrie). Insgesamt waren an der Durchführung des Projektes weltweit über 60 internationale Organisationen und Institutionen beteiligt. In den Jahren 2008 und 2009 wurden in 33 europäischen Ländern auf einer Fläche von 5 600 000 km² insgesamt 2219 Ackerproben (Ackerlandböden, 0 – 20 cm, Ap-Proben) und 2127 Grünlandproben (Weidelandböden, 0 – 10 cm, Gr-Proben) entnommen. In den Proben wurden 52 Elemente im Königswasseraufschluss, 41 Elemente als Gesamtgehalte sowie TC und TOC bestimmt. Ergänzend wurde in den Ap-Proben zusätzlich 57 Elemente in der mobilen Metallionenfraktion (MMI®) sowie die Bleiisotopenverhältnisse untersucht. Alle analytischen Untersuchungen unterlagen einer strengen externen Qualitätssicherung. Damit liegt erstmals ein qualitätsgesicherter und harmonisierter geochemischer Datensatz für die europäischen Landwirtschaftsböden mit einer Belegungsdichte von einer Probe pro 2 500 km² vor, der eine Darstellung der Elementgehalte und deren Bioverfügbarkeit im kontinentalen (europäischen) Maßstab ermöglicht. Die Downloaddateien zeigen die flächenhafte Verteilung der mit verschiedenen Analysenmetoden bestimmten Elementgehalte in Form von farbigen Isoflächenkarten mit jeweils 7 und 72 Klassen.
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Air temperature (2 m): Temperature of air at 2m above the surface of land, sea or in-land waters. 2m temperature is calculated by interpolating between the lowest model level and the Earth's surface, taking account of the atmospheric conditions. Processing steps: The original hourly ERA5-Land data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds 4. add the interpolated differences to CHELSA The spatially enhanced daily ERA5-Land data has been aggregated on a weekly basis starting from Saturday for the time period 2016 - 2020. Data available is the weekly average of daily averages, the weekly minimum of daily minima and the weekly maximum of daily maxima of air temperature (2 m). File naming: Average of daily average: era5_land_t2m_avg_weekly_YYYY_MM_DD.tif Max of daily max: era5_land_t2m_max_weekly_YYYY_MM_DD.tif Min of daily min: era5_land_t2m_min_weekly_YYYY_MM_DD.tif The date in the file name determines the start day of the week (Saturday). Pixel value: °C * 10 Example: Value 44 = 4.4 °C The QML or SLD style files can be used for visualization of the temperature layers. Coordinate reference system: ETRS89 / LAEA Europe (EPSG:3035) (EPSG:3035) Spatial extent: north: 82:00:30N south: 18N west: 32:00:30W east: 70E Spatial resolution: 1km Temporal resolution: weekly Time period: 01/01/2016 - 12/31/2020 Format: GeoTIFF Representation type: Grid Software used: GDAL 3.2.2 and GRASS GIS 8.0.0 (r.resamp.stats -w; r.relief) Lineage: Dataset has been processed from original Copernicus Climate Data Store (ERA5-Land) data sources. As auxiliary data CHELSA climate data has been used. Original ERA5-Land dataset license: https://cds.climate.copernicus.eu/api/v2/terms/static/licence-to-use-copernicus-products.pdf CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Other resources: https://data.mundialis.de/geonetwork/srv/eng/catalog.search#/metadata/601ea08c-0768-4af3-a8fa-7da25fb9125b Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Contact: mundialis GmbH & Co. KG, info@mundialis.de Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Surface temperature: Temperature of the surface of the Earth. The skin temperature is the theoretical temperature that is required to satisfy the surface energy balance. It represents the temperature of the uppermost surface layer, which has no heat capacity and so can respond instantaneously to changes in surface fluxes. Processing steps: The original hourly ERA5-Land data has been spatially enhanced from 0.1 degree to 30 arc seconds (approx. 1000 m) spatial resolution by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds 4. add the interpolated differences to CHELSA The spatially enhanced daily ERA5-Land data has been aggregated on a weekly basis (starting from Saturday) for the time period 2016 - 2020. Data available is the weekly average of daily averages, the weekly minimum of daily minima and the weekly maximum of daily maxima of surface temperature. File naming: Average of daily average: era5_land_ts_avg_weekly_YYYY_MM_DD.tif Max of daily max: era5_land_ts_max_weekly_YYYY_MM_DD.tif Min of daily min: era5_land_ts_min_weekly_YYYY_MM_DD.tif The date in the file name determines the start day of the week (Saturday). Pixel values: °C * 10 Example: Value 302 = 30.2 °C The QML or SLD style files can be used for visualization of the temperature layers. Coordinate reference system: ETRS89 / LAEA Europe (EPSG:3035) (EPSG:3035) Spatial extent: north: 82N south: 18S west: -32W east: 61E Spatial resolution: 1 km Temporal resolution: weekly Time period: 01/01/2016 - 12/31/2020 Format: GeoTIFF Representation type: Grid Software used: GRASS 8.0 Original ERA5-Land dataset license: https://cds.climate.copernicus.eu/api/v2/terms/static/licence-to-use-copernicus-products.pdf CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122 Processed by: mundialis GmbH & Co. KG, Germany (https://www.mundialis.de/) Contact: mundialis GmbH & Co. KG, info@mundialis.de Acknowledgements: This study was partially funded by EU grant 874850 MOOD. The contents of this publication are the sole responsibility of the authors and don't necessarily reflect the views of the European Commission.
Northern Italy Land Surface Temperature 1km daily Celsius gap-filled datasetLST daily avg, 2010 - 2018, reconstructed format: GRASS GIS raster format ZLIB compressed stored as a GRASS GIS 7 location/mapset Projection: EU LAEA (EPSG:3035)Reference: Metz, M.; Andreo, V.; Neteler, M. A New Fully Gap-Free Time Series of Land Surface Temperature from MODIS LST Data. Remote Sens. 2017, 9, 1333. https://doi.org/10.3390/rs9121333
Web Map Service (WMS) zur Karte der Hintergrundwerte von anorganischen Stoffen in Böden in Deutschland. Durch die LABO wurden 2017 für 16 Elemente neue, bundesweite Hintergrundwerte veröffentlicht. Sie beruhen auf Profilinformationen und Messdaten von Königswasserauszügen, die durch die BGR zusammengeführt und homogenisiert wurden. Daten mit hohen Bestimmungsgrenzen wurden nach bestimmten Kriterien von der weiteren Auswertung ausgeschlossen, damit die Bestimmungsgrenzen nicht die Hintergrundwerte beeinflussen. Um die Hintergrundwerte nicht durch Regionen mit hoher Stichprobendichte überproportional beeinflussen zu lassen, wurde in Teilen eine räumliche Ausdünnung durchgeführt. Die Werte mehrerer Horizonte eines Standortes wurden durch tiefengewichtete Mittelwerte zu einem Wert zusammengezogen. Zur Auswertung wurden die vorhandenen Messwerte verschiedenen Gruppen von Bodenausgangsgesteinen zugeordnet. Zudem wurde unterschieden, ob die Proben im Oberboden, im Unterboden oder im Untergrund genommen wurden. Bei den Oberböden wurde bei der Auswertung auch die unterschiedliche Nutzung (Acker, Grünland, Forst) berücksichtigt. Lockergesteine wurden aufgrund ihrer unterschiedlichen Zusammensetzung getrennt nach Nord- und Süddeutschland ausgewertet. Durch die Aufteilung der Daten in Teilkollektive wurden nicht in allen Fällen verlässliche Fallzahlen erreicht, sodass nur Hintergrundwerte mit Fallzahlen ?20 dargestellt werden. Das genaue Vorgehen bei der Ableitung ist dem Bericht der LABO-Bund/Länder-Arbeitsgemeinschaft Bodenschutz (2017): 'Hintergrundwerte für anorganische und organische Stoffe in Böden', 4. überarbeitete und ergänzte Auflage, zu entnehmen.
Das Projekt "Beeinflussung von dielektrisch behinderten Entladungen fuer die Abgasreinigung durch die Art der Energiezufuhr" wird vom Umweltbundesamt gefördert und von Technische Universität Carolo-Wilhelmina zu Braunschweig, Institut für Hochspannungstechnik und Elektrische Energieanlagen (elenia) durchgeführt. Ziel war es festzustellen, in welcher Weise dielektrisch behinderte Entladungen (DBE) durch die Art der Energieversorgung beeinflusst werden koennen. Es wurden 2 Modellreaktionsvolumina mit verschieden grossen Gasspaltweiten geschaffen, Energieversorgungssysteme auf ihre Eignung fuer DBE-Systeme analysiert und weiterentwickelt und Untersuchungen zum Entladungsgeschehen und zur Schadstoffminderung in Abgasen durchgefuehrt. Ein stabiles, weitgehend von Spannungsform und Abgasart unabhaengiges Entladungsverhalten kann mit Gasspaltweiten in mm-Bereich erreicht werden. Mit Gasspaltweiten im cm-Bereich ist dies nicht moeglich. Fuer die gleichmaessige Behandlung von stroemenden Gasen ist es vorteilhaft, durch Formgebung der Elektroden (Schneiden) die Entladungen auf Teilbereiche des Reaktors zu konzentrieren. Energetisch ist es guenstig, mit sinusfoermigen Spannungen zu arbeiten. Steilflankigkeit der Spannung kann ueber eine hohe Arbeitsfrequenz erreicht werden. Bei gegebenen Reaktor kann das Entladungsgeschehen ueber Spannungsamplitude, Frequenz und Gasstroemungsgeschwindigkeit so beeinflusst werden, dass die Zahl der Entladungsfilamente gross, der Energieeintrag aber klein gehalten wird. Dies ist fuer die Effizienz der Schadstoffminderung in Abgasen vorteilhaft. Die von den Entladungen im Abgas induzierten Reaktionswege werden von Zusammensetzung und Zustand des Abgases und praktisch nicht vom aeusseren Energieversorgungssystem beeinflusst.
Overview: ERA5-Land is a reanalysis dataset providing a consistent view of the evolution of land variables over several decades at an enhanced resolution compared to ERA5. ERA5-Land has been produced by replaying the land component of the ECMWF ERA5 climate reanalysis. Reanalysis combines model data with observations from across the world into a globally complete and consistent dataset using the laws of physics. Reanalysis produces data that goes several decades back in time, providing an accurate description of the climate of the past. Air temperature (2 m): Temperature of air at 2m above the surface of land, sea or in-land waters. 2m temperature is calculated by interpolating between the lowest model level and the Earth's surface, taking account of the atmospheric conditions. The original ERA5-Land dataset (period: 2000 - 2020) has been reprocessed to: - aggregate ERA5-Land hourly data to daily data (minimum, mean, maximum) - while increasing the spatial resolution from the native ERA5-Land resolution of 0.1 degree (~ 9 km) to 30 arc seconds (~ 1 km) by image fusion with CHELSA data (V1.2) (https://chelsa-climate.org/). For each day we used the corresponding monthly long-term average of CHELSA. The aim was to use the fine spatial detail of CHELSA and at the same time preserve the general regional pattern and fine temporal detail of ERA5-Land. The steps included aggregation and enhancement, specifically: 1. spatially aggregate CHELSA to the resolution of ERA5-Land 2. calculate difference of ERA5-Land - aggregated CHELSA 3. interpolate differences with a Gaussian filter to 30 arc seconds 4. add the interpolated differences to CHELSA Data available is the daily average, minimum and maximum of air temperature (2 m). Spatial resolution: 30 arc seconds (approx. 1000 m) Temporal resolution: Daily Pixel values: °C * 10 (scaled to Integer; example: value 238 = 23.8 %) Software used: GDAL 3.2.2 and GRASS GIS 8.0.0 (r.resamp.stats -w; r.relief) Original ERA5-Land dataset license: https://cds.climate.copernicus.eu/api/v2/terms/static/licence-to-use-copernicus-products.pdf CHELSA climatologies (V1.2): Data used: Karger D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E, Linder, H.P., Kessler, M. (2018): Data from: Climatologies at high resolution for the earth's land surface areas. Dryad digital repository. http://dx.doi.org/doi:10.5061/dryad.kd1d4 Original peer-reviewed publication: Karger, D.N., Conrad, O., Böhner, J., Kawohl, T., Kreft, H., Soria-Auza, R.W., Zimmermann, N.E., Linder, P., Kessler, M. (2017): Climatologies at high resolution for the Earth land surface areas. Scientific Data. 4 170122. https://doi.org/10.1038/sdata.2017.122
The "Workshop on Ticks and Tick-borne DiseasesŁ took place September 30th to October 2nd , 2014 in Berlin as a joint meeting of the German Society of Medical Entomology and Acarology (DGMEA) and the "Workshop on Tick-borne DiseasesŁ of the National Reference Laboratory for Q Fever of the Friedrich-Loeffler-Institut. This joint meeting was organized by the Umweltbundesamt (UBA) - Federal Environment Agency, Section IV 1.4 - Health pests and their control, in close cooperation with the German Society for Medical Entomology and Acarology (DGMEA), the Friedrich-Loeffler-Institut (FLI), National Reference Laboratory for Q Fever and the Freie Universität Berlin - Free University Berlin, Institute for Parasitology and Tropical Veterinary Medicine.<BR>Quelle: http://www.umweltbundesamt.de/